طبقه بندی پوششی تالاب ها به منظور شناسایی نوع گونه های گیاهی داخل تالاب و تمایز آن با پوشش گیاهی حاشیه ی تالاب و بررسی تغییرات اکوسیستم آنها از اهمیت ویژه ای برخوردار است. با توجه به مشابهت طیفی بین گونه های مختلف گیاهی تالاب و گیاهان حاشیه ی تالاب و زمین های کشاورزی این امر با استفاده از داده های چندطیفی با مشکلاتی مواجه است و داده های ابرطیفی می تواند در این زمینه بسیار سودمند باشد. در این مطالعه توان سنجنده های ابرطیفی و چندطیفی در شناسایی ویژگی های تالاب و توانایی سنجنده های ETM+(۲۰۱۱)، Hyperion(۲۰۱۱) و ALI(۲۰۱۱) به منظور مطالعه ی ویژگی های تالاب شادگان طی سال ۱۳۹۰ بررسی شد و شاخص های مختلف طیفی به همراه ترکیب مناسبی از باندهای تصاویر ماهواره ای سنجنده های مذکور به عنوان ورودی انواع روش های طبقه بندی شامل روش های حداکثر احتمال، حداقل فاصله، شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار گرفت. نتایج نشان داد که روش های ماشین بردار پشتیبان و شبکه عصبی با دارا بودن دقت طبقه بندی بالای ۸۵ درصد در هر سه تصویر, نتایج نزدیک تری به واقعیت نشان می دهند. دقت طبقه بندی برای هر سه تصویر برای روش ماشین بردار پشتیبان در بالاترین حد خود بود به طوریکه برای تصویر Hyperion صحت کلی برابر ۹۵.۷۳، برای ALI برابر ۸۸.۰۳ و برای ETM+ برابر با ۸۹.۳۴ است. بنابراین ویژگی های در نظر گرفته شده برای تالاب، در سه تصویر حاصل از الگوریتم SVM نشان داد که نمایش تمایز کاربری پوشش گیاهی حاشیه تالاب از کاربری زمین های کشاورزی آبی دارای ابهام بیشتری نسبت به سایر ویژگی های تالاب است. بررسی ها نشان داد که این بخش در تصاویر ALI و ETM+ نسبت به تصاویر Hyperion کمتر قابل شناسایی هستند و یا در برخی مناطق این قسمت ها اصلا قابل تفکیک از ارضی کشاورزی آبی نیستند، در حالیکه Hyperion به دلیل دارای بودن تعداد ۲۲۰ باند و داشتن سطح بالاتری از جزئیات طیفی, توانایی تفکیک این دو کلاس را از هم دارد.
